使用深度学习提高虚拟现实中眼动追踪的鲁棒性、准确度与精确度

用于从移动和基于视频的眼动仪估计注视方向的算法通常涉及追踪眼睛的某个特征，该特征在眼摄像机图像中移动的方式与注视方向的偏移协同变化，例如瞳孔的中心或边界。由于部分遮挡和环境反射，使用传统计算机视觉技术追踪这些特征可能很困难。尽管最近使用机器学习（ML）进行瞳孔追踪的努力在使用标准分割性能指标评估时表现出优越的结果，但对于这些网络如何影响最终注视估计的质量知之甚少。这项工作对几种当代基于 ML 的眼部特征追踪方法的影响提供了客观评估，其中后续的注视估计是使用基于特征或基于模型的方法生成的。评估指标包括注视估计的准确度与精确度，以及脱落率。